BOUBECHAL, Ikram (2022) Contribution à la Parallèlisation des Algorithmiques Evolutionnaires Appliqués au Traitement de Données Multimédia. Doctoral thesis, Université de Batna 2.
|
Text
These_Boubechal_Ikram_2021.pdf Download (26MB) | Preview |
Abstract
La compression et la segmentation d’image font partie des techniques de traitement d’image les plus essentielles. Bien que plusieurs méthodes visant à améliorer leur performance aient été proposées dans la littérature, le compromis qualité de solution et temps de calcul reste difficile à satisfaire. Ceci nous a mené à nous intéresser aux algorithmes méta-heuristiques et leur application au traitement d’image, particulièrement ceux à base de population. En premier lieu, nous avons testé l’efficacité de trois algorithmes méta-heuristiques à savoir Whale Optimization Algorithm (WOA), Particle Swarm Optimization (PSO) et Firefly Algorithm (FA) dans la résolution d’un problème très répandu dans la compression par quantification vectorielle et qui consiste en la production d’un dictionnaire optimal. Les résultats obtenus indiquent que l’utilisation des algorithmes méta-heuristiques n’apportent aucune amélioration et que l’utilisation de l’algorithme Lind-Buzo-Grey (LBG) classique reste, à notre avis, le choix le plus performant. Quant à notre deuxième contribution, elle consiste à utiliser la métrique SSIM comme fonction objective optimisée par PSO, FA et Bat Algorithm (BA) avec des paramètres préalablement ajustés, afin de résoudre le problème de segmentation, particulièrement, le multi-seuillage. Les résultats obtenus montrent que la méthode SSIM basée sur PSO produit des solutions quasi-identiques à identiques aux solutions exactes (obtenues par la recherche exhaustive) et permet de générer des images segmentées de meilleures qualités comparés à l’utilisation de la méthode classiques : Otsu. Néanmoins, la fonction SSIM s’est avérée un peu couteuse en temps de calcul. De ce fait, la complexité de calcul a été considérablement réduite en adoptant un paradigme de programmation parallèle à mémoire partagée (OpenMp). En dernier lieu, nous avons apporté des modifications à l’algorithme Bacterial Foraging Optimization (BFO) dans le but d’améliorer sa convergence et la qualité des solutions obtenues. Notre approche Upgraded-BFO (UBFO) est comparée aux algorithmes : PSO, WOA, Grey Wolf Optimization (GWO), Moth Flame Optimization (MFO), BFO et Modified BFO (MBFO). Les expérimentations indiquent que UBFO produit de meilleurs résultats par rapport aux algorithmes BFO, MBFO, MFO et GWO et qu’il très compétitif avec PSO et WOA. De plus, les tests statistiques ont montré que UBFO est l’algorithme le plus précis et le plus stable par rapport aux autres algorithmes utilisés.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Uncontrolled Keywords: | Optimisation, Méta-heuristiques, Segmentation, Compression, Multi-seuillage, Quantification Vectorielle, Programmation Parallèle à mémoire partagée. |
| Subjects: | Informatique |
| Divisions: | Faculté des mathématiques et de l'informatique > Département d'informatique |
| Date Deposited: | 08 Mar 2022 10:44 |
| Last Modified: | 08 Mar 2022 10:44 |
| URI: | http://eprints.univ-batna2.dz/id/eprint/1996 |
Actions (login required)
 |
View Item |
